基于分水岭技术的图像分割算法实现毕业论文
毕业论文声明
本人郑重声明：
1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。
2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。
3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。
4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。
学位论文作者（签名）：
年月
关于毕业论文使用授权的声明
本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：
按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。
论文作者签名：日期：
指导教师签名：日期：
毕业论文
基于分水岭技术的图像分割算法实现
学生姓名： 马越
学号： 122022328
系 部： 电子工程系
专 业： 电子信息工程
指导教师： 谭艳丽（讲师）
2016年 6 月
诚信声明
本人郑重声明：
所呈交的毕业论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
本人签名：年月日
毕业设计（论文）任务书
设计（论文）题目：基于分水岭技术的图像分割算法实现
系部：电子工程系专业：电子信息工程学号：122022328
学生：马越指导教师（含职称）：谭艳丽（讲师）专业负责人：张晓娟
1．课题意义及目标
图像分割是图像处理领域中极为重要的领域，是实现图像分析与理解的基础。图像分割，就是按照一定的原则，将一副图像或景物分为若干个互不相交的小区域，即是产生图像基元的过程。
2．主要任务
（1）图像分割原理。
（2）基于分水岭变换的图像分割算法。
（3）基于分水岭变换的图像分割算法与传统分割算法的比较。
3．主要参考文献
[1]陈婷婷.采用模糊形态学和分水岭算法的图像分割研究[D],西南大学,2008.
[2]徐伟,王希常,郑志宽.一种基于改进分水岭算法的图像分割算法[J]．计算机技术与发展,2008,18(12):38—40．
[3]罗勇.改进后的分水岭算法在图象分割中的应用研究[D].哈尔滨:哈尔滨工业大学,2003．
4．进度安排
基于分水岭技术的图像分割算法实现
摘要
图像分割是图像处理中一项极为关键的图片处理方式。近年来，提出了一些特定原理、方式与工具相结合的分割方法，其中基于形态学的分割算法是目前使用较为广泛的算法之一。此论文主要采用基于分水岭技术的图像分割算法技术，主要是先将原始图像进行对物体边缘的检测来得到梯度幅值图像，然后对梯度幅值图像进行前景标注和背景标注，再用分水岭算法对梯度幅值图像进行分割。再进行图像分析，从而达到分割图像的效果和目的。
关键词: 分水岭，图像分割，形态学
Image segmentation based on watershed transform
Abstract
Image segmentation is the image processing in an extremely critical image processing method. In recent years, this paper puts forward some specific segmentation method of combining theory, methods and tools, which is based on morphological segmentation algorithm is one of the more widely used algorithm. This paper mainly USES the technology of image segmentation based on watershed algorithm, mainly first of objects on the edge of the original image to get the gradient image, and then to the foreground and background markers of the gradient image, then the watershed algorithm is applied to gradient image segmentation. For image analysis, so as to achieve the effect and purpose of image segmentation.
Key words: watershed，image segmentation，morphology
目录
第1章绪论 (1)
1.1 课题意义与背景 (1)
1.2 国内外研究现状 (2)
1.2.1 数学形态学与图像处理研究现状 (2)
1.2.2 分水岭算法与图像分割的研究现状 (2)
第2章图像分割算法的概述 (3)
2.1 图像分割的概念 (4)
2.2 图像分割方法介绍 (4)
2.2.1 基于区域的分割 (4)
2.2.2基于阈值的分割 (5)
2.2.3 基于边缘检测的分割 (6)
2.2.4 基于聚类分析的图像分割 (9)
2.2.5基于区域标记与轮廓跟踪的分割 (11)
2.2.6 基于几何形变模型的分割 (13)
第3章分水岭图像分割算法 (18)
3.1分水岭算法原理 (18)
3.2分水岭算法特征 (19)
3.3梯度图像获取 (19)
3.3.1 图像梯度的概念和定义 (19)
3.3.2 图像梯度的处理方法 (20)
第4章分水岭算法实现与实验分析 (22)
4.1 分水岭算法实现顺序 (22)
4.2 分水岭算法实现 (22)
第5章总结 (36)
参考文献 (37)
致谢 (40)
第1章绪论
1.1 课题意义与背景
人类可以通过听觉、嗅觉、触觉、味觉、视觉获取外界信息，它们在人类感受外界信息的过程中各自占据举足轻重的地位。尤其是眼睛所感受到的视觉，视觉的范畴特别广，它不单单仅是可以看到的自然景观，还有人眼所看不到的宏观、微观影像以及大批量的由计算机生成的图像。在21世纪，随着人类社会的进步与科技的发展，信息化时代早已到来。在这么多信息当中如何筛选有用信息，并对信息进行处理是当前人们关注的方向。视觉是我们感觉中高级的感知之一，对外部世界的人类感知的两种方式是听力和视力，尤其是视觉，因为图像信息是一个非常重要的实物资料。因此，图像在人类感知中起着最重要的作用并不奇怪。信息的种类很多，人类在日常生活中所能接触到的最多的信息就是图像信息。图像在人类的信息活动中占据着举足轻重的作用，它在获取信息的同时可以表达信息也可以传递信息等。由于图像有形象生动、直观具体、容易理解等特点，所以在很多领域都起着重要的作用，如：信息科学、计算机科学、天体气象、通信工程、航空航天、医疗、军事、教育等诸多领域中都有涉略[1]。
在数字图像处理中，图像分割是一项重要的技术，也是一个较为重复的的难题，发展至今仍没有找到一个一般（全面）的方法，也没有找到一个可以预见分割算法难易的标准。图像分割就是把图像分成若干个特定的、具有特殊性质的区域并提出感兴趣目标的技术和过程。近年来，随着各科学新理论和新方法的提出，人们也提出了一些特定原理、方式和工具相联结的分割方式，其中基于形态学得分割算法是目前使用较为广泛的算法之一。
图像有许多的多变性，大部分的分割的过程无法依赖pc单独完成，但是手工分割的工作量大的惊人，而且对于修改非常困难，所以，有些人提出了人工和pc相互自动接合定位的方法，并结合各自的优点，来实现对目标轮廓的快速定位。相信这些交互方式的应用，一定可以推动图像目标分割与图像抽取的发展，也会成为一个具有活力且独特的研究领地[2]。
基于标记的分水岭算法是一个经典的图像分割的方法，它因为快捷，高效，精准的分割结果得到人们的注视。分水岭算法操作简单，精确度高，但由于分水岭算法对图像中的噪声弱边缘有一定的影响，表面细微灰度变化，会产生过分割现象。
分水岭分割方式是基于拓扑理论分割的方法，其基本思维看作是对大地测量拓扑风景的图像，在图像像素的灰度值的各点表示的是该点的高，每个局部的边界最小值和其影响区域称为集水盆，并且形成分水岭集水盆。分水岭的概念的形成可以通过模拟浸渍处理进行说明。
对外部世界的人类感知的两种方式是听力和视力，尤其是视觉，因为图像信息是一个非常重要的实物资料。人在探索和图像的使用时，经常对图像的某些部分产生影响，这些目标通常占有一定区域，在图像周围有一定的特征的差异。这些差异可能是非常明显的特征，可以是非常微妙的，这样，人眼不会感觉到它。随着计算机图像处理技术的发展，使得能够通过计算机来访问和处理图像信息[3]。
1.2 国内外研究现状
1.2.1 数学形态学与图像处理研究现状
数学形态学(Mathematical Morphology)产生于1964年，是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣，在从事铁矿核的岩石学分析及预测其开采价值的研究中提出“击中和没击中变换”的理论，并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。他们的工作奠定了这门学科的理论基础，如击中和没击中变换、开和闭的运算、布尔的模型及纹理分析器的原型等。
数字图像处理最早应用于报纸行业。早在二十世纪二十年代早期，巴特兰电缆图像传输系统通过海底传输穿过大西洋，在纽约和伦敦之间传输图像，他将传输时间从1周减少至3h.用计算机成功处理数字图像最早可追溯到20世纪60年代早期，一九六四年美国著名实验室对航天探测器发回的几千张月球照片使用了图像处理技术，如灰度转换、修除噪音等方法进行修正。与此同时，20世纪六十年代后期至七十年代早期，数字图像处理开始应用于医学图片、遥感大地、天文学等方面。
从60年代后期开始到现在，图像处理技术蓬勃发展并得到广泛应用。在工业、医药、生物科学等领域，用对比度增强和伪彩色增强技术来提高视觉效果。从七十年代中期开始，随着pc技术和人工智能的快速发展，数字图像处理向更高层次去发展。随着计算机性能不断提高，通信技术不断发展，这极大地推动了图像处理系统的应用。
1.2.2 分水岭算法与图像分割的研究现状
图像分割是将图像划分成或分割为具有相似特征的区域。图像分割最基本的特征是：单色照片图像的亮度幅度和彩色图像的彩色分量。图像的边缘和纹理也是对分割法很有用的特征。
目前，还没有一个模制的图像分割的理论。因此，图像分割没有标准方法。然而，一些具体的方法，已被广泛使用。因为这些方法都有一个特定的范围，因此它们实际使用的范围是有限的。“考虑灰度色调或纹理特效，一个图像分割的区域对于这些特征应该均匀一致。区域内部特征是简单的，没有空洞的。每一个分段的边缘都应该是圆润无瑕疵的，并且必须精准”[4]。
分水岭算法（Watershed Segmentation）是近年流行起来的一种基于数学形态学的图像分割方式，主要可以应用于图像分割，梯度图片的抽取等。分水岭分割算法把地形学和天文学的思想引入到图像分割中，特别适合相邻区域的分割。灰度图像可以看做是一片地形，像素的灰度值代表该点的地形高度，在地形中有高地、分水线和集水盆地等地貌特征。地形表面上总会有一些局部极小值，又称为低洼，落在这些点的雨水不会流向他处。在一些点上，降落的雨水会沿着地面往低处流，最终流向同一个低洼，把这些点称为与该低洼相关的积水盆地。在另一些点上，降落的雨水可能会等可能地流向不同的低处，将这些点称为分水线。
第2章图像分割算法的概述
2.1 图像分割的概念
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。这里的特征是指图像可以被用作属性标记，他可以分为图像和图形视觉特征两类统计特性。图像的统计特性是指一些人为特征的定义时，他可通过转化，如图像直方图，频谱和其它聚合获得的图像。图形的视觉特性指的是人的视觉的自然特性可以直接感受到，如亮度区域，纹理。图像分割是图像分析的关键步骤，是图像的进一步理解的基础。虽然大量的图像分割方法已经被提出，但大多是针对特定问题的，并不适合所有常见的图像分割算法。
图像分割是一项在图像分析中占据重要地位的技术。在对图像的探索和运用中，人们往往会对图像中的某些部分产生兴趣，这部分称为前景，他们一般对应于图像中较为特有的、具有特有性质的区域。这里的独特性可以是像素的灰度值、物体轮廓曲线等。为了能够识别出和并解析到图像中的目标，需要将他们从图像中分割抽取出来，在此基础上才有可能进一步对目标进行度量和对图片进行利用。
图像分割方法主要有基于区域的分割，基于阈值的分割，基于聚类分析的分割，基于模糊集理论分割图像分割方法等。
2.2 图像分割方法介绍
2.2.1 基于区域的分割
(1)区域生长：
其方法是对生长具有类似特性共同构成该区域的像素，先找到一个种子像素为起点的每个区域的成长进行划分，然后将种子像素和种子像素附近具有相同或相似性质的区域的种子像素合并。这些新的像素作为新的种子像素继续上述内容，相邻像素被接受，直到停止生长[5]。
区域生长实现过程，需要选择出一组能够正确代表区域的种子像素，确定好在生长过程中的相同或者相似性准则，其中相似或者相同准则可以使灰度，彩色、梯度等特性。再指定一个让生长停止的准则条件。所选取出来的像素可以是单个像素，也可以是包含若干个像素的小区域。根据不同的原则来指定不同的生长准则，使用不同的生长准则，在生长的过程中会受到生长准则的影响。区域生长的主要优势是运算容易便捷，在对较匀称的连通区域有很好的分割效果。只不过他
的缺点是需要人工地去确定种子像素，对噪音相当敏感，也会导致区域目标中出现常见的问题[6]。
(2)分裂合并法：
图像四叉树：
如果整个图像划分成大小相等的四方形的象限，然后新的区域被进一步划分成四个相等的尺寸更小的象限，不断继续分割下来，得到根部的图像，则新区域被划分成更小的区域或中间节点或叶节点四叉树。
分裂合并分割法：
大致步骤如下：
①将图像R分成4个大小相同的想先区域Ri, i = 1,2,3,4.
②对于任何的Ri，如果P(Ri)=false,则将该Ri再进一步分拆成四个更小的象限区域。
③如果此时存在任意相邻的两个区域Ri和Rk使得P(Rj∪Rk) = true成立，就将Rj和Rk进行合并。
④当无法再进行聚合或拆分时操作停止。
2.2.2基于阈值的分割
阈值分割是一种区域分割技术，他对物体与背景有较强对比，对景物的分割特别有用，因为其简单直接、易于实现，而在图像分割中占具有重要的位置。然而怎样进行阈值选择却是一个难问题，因为在数字化的图像处理中，没用的背景数据和对象物的数据通常会混乱在一起。除此之外，在图像中还有各种噪声。所以必须根据图像的统计特性，即从概率的角度选择合适的阈值。如果图像目标与背景相对应的两个单峰比较接近、方差较小且均值相差较大，则该图像的直方图具有双峰性质。阈值化常可以有效分割具有双峰性质的图像。
灰色阈值分割法是最常用的技术的并行区域，它是图像分割最广泛使用的类别的数目。阈值分割方法实际上是输入图像到输出图像G + F如下转换：
（2-1）
其中，T为阈值，物体的图像元素g(i, j)，背景的图像g(i, j)，可以看出来，阈值的分割算法主要是确定阈值，主要能确定一个合适的阈值就能准确的把图像分割
开来。确定了阈值以后，把阈值和像素点的灰度值比较在和像素分割可对各像素并行地进行，分割所得出的结论是直接给出图片的区域。计算简单，运算效率快，这是阈值分割的主要优点。在重视运算效率的场合，它得了广泛的应用。阈值有很多种处理技术，有全局阈值，最佳阈值，自适应阈值等[7]。
利用该系统区域灰度的图像分割方法时，通常认为具有灰度对象和背景的单峰组成分布某个图像，在目标上的相邻像素之间的内部或背景灰度值是高度相关的，但在交界处对象的两侧和背景像素处的灰度值有很大不同。如果上述条件的图像感到满意，那么他就可以被认为是一个基本的直方图对应于目标和背景混合组成两个单峰直方图。
2.2.3 基于边缘检测的分割
确定图像中的对象的边界的另一种方法是在第一次直接检测的每个像素及其周围的状态，它已决定改变该像素是否是物体的边界上。具有所需特性的像素被标记为边缘点。当每个像素的灰度图像用于反映与边缘像素的要求的每个像素的程度，这个图象被称为边缘图像或边缘图。他只能代表未经二进制图像的强度来代表的程度的边缘点的位置。边缘方向，而不是幅度编码被称为含方向的图像边缘图。
边缘图通常是边缘点勾画的所有对象的轮廓，但很少形成边界分割。因此，我们需要另一个步骤即可完成检测过程的对象。
Roberts边缘算子
(2-2)
+ }?其中f(x, y)是具有整数像素坐标的输入图片。
Sobel边缘算子
下图所示的两个卷积和形成了Sobel算子。图片中的每个pixel点都用这两个核做卷积运算。一个核对垂直边界响应最大，但另外一个对水平边界响应最大。两个卷积运算得到的较大值作为该点的输出值。运算结果是一副边界梯度幅度图像。
图2.1 Sobel 边缘算子
Prewitt 边缘算子
下图的两个卷积和组成了Prewitt 边缘算子。与使用Sobel 算子方式是的相
同的，图像中的每个点都用这两个和进行卷积运算，取较大值作为输出值。Prewitt 算子也产生一幅边界梯度幅度图片。
图2.2 Prewitt 边缘算子 Kisch 边缘算子
Kisch 边缘算子由8个卷积和组成。图片中的每个点都用到了八个掩模进行
卷积，每个掩模都可以对某个比较特定的边界方向作出了极大反响。全部的八个方向中的最大值作为边界梯度幅度图像的输出值。
图2.3 Kirsch 边缘算子
Canny 边缘算子：
Canny 边缘检测算子是一种很常见的和有限的操作者[8]。 Canny 算子是第一灰度图像平滑均匀方差高斯滤波器，然后将滤波图像的每个像素计算梯度大小和梯度方向。用于改进的边缘梯度的方向，如果在梯度方向不超过两个相邻点的梯
度大小的当前象素的梯度幅值下，对应的像素会被抑制，使边缘细化，这种方法成为一个非最大抑制。该方法也可与其它的边缘检测算子来优化的边缘相结合。为了促进这一过程中，需要量化梯度方向的8邻域的方向。
Canny算子使用两个振幅的阈值，用于检测边缘梯度大小，低阈值一般取为一半的高阈值。边缘变薄后，开始跟踪具有高门槛轮廓。最后，为了满足起动顺序连续追踪轮廓段，弱门槛的连接边缘强于高门槛边缘像素。
2.2.4 基于聚类分析的图像分割
聚类分割是把给出的样本集合x = {x1, x2, …,xn}按照某一规则分成k个互不相交子集。每个子集中的样本之间相似性较大，不同子集样本之间的相似性较小。采用聚类方法分割图像，不需要训练样本。是一种无监督的统计方法，他通过迭代的知性分类算法来提取各类的特征值，从而达到分割的目的。本聚类方法主要介绍三种，即K_均值、模糊C均值和Mean-Shift等聚类算法。
K_均值聚类：
在一般情况下，聚类算法具有以下三个要素：
(1)选择了一些距离度量来衡量样本之间的相似性;
(2)确定一个聚类结果的质量评价标准功能;
(3)给出一个初步的分类，然后找到准则函数的极值是最好的聚类迭代算
法。
K_均值算法可归纳为如下步骤：
(1)选取某一方式把n个样本分成c个聚类的划分，计算每个聚类的均值u1,u2…un和Jc；
(2)选择一个备选样本x，设其在Xi中；
(3)若Ni = 1,则转至步骤2，否则继续。
(4)计算。
(2-3)
(5)对于所有的j, 若Pk < Pj,则将x从Xi移到Xk中；
(6)重新计算Ui和Uk的值，并修改J；
(7)若连续迭代N次（即所有样本都运算过）Jc不变，则停止，否则转到步骤2.
模糊C均值聚类：
K_均值算法也叫C_均值算法，他是误差平方和准则下的聚类算法，他把每个样本严格的划分到某一类，属于硬划分的范畴。实际上，样本并没有严格的属性，他们在形态上和类属性存在中介性，为了解决这一问题，研究者将模糊理论引入K_均值算法。
将问题的有关符号重新规定如下：{xi, i = 1, 2,…,n}是n个样本组成的样本集合，c是类别的预定数量，用户界面，I =1,2，...，C为中心每个群集，μJ（ⅹⅰ）是第j个类别成员函数的第i个样本。与隶属函数定义的簇损失函数可以写成:
(2-4)
其中，b>1是一个可以控制聚类结果的隶属成都的常数。
算法的步骤如下:
(1)设定聚类数目c和参数b;
(2)初始化各个聚类中心vi;
(3)循环下面的运算法则，一直到各个样本的隶属度值平稳为止:
①用当前的聚类中心根据式计算隶属度函数;
②用当前的隶属度函数update各聚类中心。
Mean-shift聚类分割：
Mean-shift算法是一种核密度估计方法，用来分析复杂多模特征空间，确定特征聚类的非参数密度估计，被广泛采用与图像处理和视觉任务中[9]。
Mean-shift算法寻找密度最大的过程总结如下：
步骤一：计算Mean-shift向量
步骤二：如果||||<，则表示Mean-shift “爬”到局部的概率密度最大值处，算法终止，否则执行步骤三；
步骤三：将新的质心+x为中心点赋予x，以新的x所在的窗口为当前窗口，执行步骤一。
而Mean-shift算法滤波的步骤为如下所述:
步骤一：对每个像素, 初始化为起始步，令j=1,;
步骤二：计算，直到收敛于
步骤三:滤波后的像素赋值为Zi = ().
上述s和r分别表示滤波结果的空间域和颜色域，即滤波后处像素的值收敛于的像素值。在空间-颜色联合域中，Mean-shift向密度最大的方向运动。
2.2.5基于区域标记与轮廓跟踪的分割
区域标记：
图像分割结果通常是二进制图像，所有的目标区域被赋予相同的灰度值。如果图像有多个目标区域的，要被分析的是每个目标和的大小，形状和其他特征，并且应该被标记区域来区分。区域的标记是指在分配了相同的符号，不同的连通区域给予不同的标签图像同一连接域的所有像素。有标两种常见的方面：递归标记，序贯标记。
递归标记：
递归标记算法如下：
(1)从左至右，从上到下，逐行扫描图像行，找到目标点无人盯防的P，分配到一个新的标签的地步。
(2)递归赋予相同标记，将目标像素点p的附近
(3)相互连接，直到所有的像素标记完成后，中国联通的组件将被标有相同的商标。
(4)重复步骤2，3，找到目标点没有打上递归相同的标记分配到目标点的另一个附近。如果你不能找到目标点没有标记，标记区域已完成。
串行机器上的递归标记算法的运行速度非常耗时，适合处理的并行机上[10]。
序贯标记：
8连通区域的序贯标记算法如下：
(1)从左至右，从上到下扫描图像，找到目标点P未标记；
(2)如果左点P，左上，右上，右上附近四个背景点，给定一个新的标记像素P;如果四个相邻点，两个不同的标号，这使分配给当前像素一个代码，并且这些包括一根两米等价的表，它们是相等的。
(3)在第二扫描图像，每个表和修改最小标记为他的等效表。
改进的利用门限的分水岭图像分割算法
２００７年第１２期福建电脑 改进的利用门限的分水岭图像分割算法 李洪军，王继成 （同济大学计算机系上海２０１８０４） 【摘要】：分水岭变换的一些优秀的性质使它在许多不同的图像分割应用中非常常用：它简单并且具有直观性，可以并行实现，并且总是产生完整的图像轮廓。然而，它仍然有许多缺点（过度分割，对噪声敏感，难于检查出细结构物体或者低信噪比的结构）。本文提出一种改进的使用门限的分水岭算法来在不同程度上克服分水岭的这些缺陷。我们把该算法应用在三类图片上，一种具有复杂结构，一种具有低对比度，一种有低的信噪比。本文展示了该算法的分割结果，展示了该算法在这几类图片上出色表现。 【关键词】：图像分割，过度分割，基于沉浸的分水岭算法，标记的分水岭算法 １．前言 １．１分水岭变换 分水岭变换是一种流行的图像分割方法，它来自数学形态学领域［１］。我们把灰度图象看作地形表面，让每一点的像素值代表这点的高度。然后考虑雨水降落到该地表，随着水位不断上升，水会从不同的局部最小点形成汇水盆，而分水岭就是阻挡这些汇水盆相互融合的堤坝。一般情况下，分水岭变换计算的是原始图片的梯度图，这样这些分水岭就正好位于梯度变化大的那些点上。 分水岭变换由于它以下的优点被用在图像处理的许多领域：直观，快速并且可以并行计算，总是产生完整的边界，这样就避免了边界连接的后处理。而且，不少研究人员把分水岭嵌入到多尺度框架中［２］。但是分水岭算法还是有一些致命的缺点，下面列出了最重要的几点［２］。 过度分割。由于大部分图像的梯度图都有许许多多的局部最小，所以分水岭变换的结果是无数的小区域边界，这样的结果毫无意义。通常的解决办法是是使用标记的图片来减少局部最小的数量，即使用带标记的分水岭变换［３］。 对噪声的敏感。局部的一些改变会引起分割结果的明显改变，强烈的噪声有时候使得分水岭变换无法找出真正的边界。其中的一个解决办法是使用各向异性的滤波器。 难以准确检测出低对比度的边界。由于对比度低所以使得信噪比高。所以由于前一个原因，对这种图片分水岭变换仍然无法很好的工作。一般的办法仍然是使用带标记的分水岭变换。而Ｖ．Ｇｒａｕ提出使用基于ＭＲＦ的分水岭变换对核磁共振脑灰白质的分割效果更好。 即使是这样，在医学图像分割中，比起近年来兴起的ｓｎａｋｅｍｏｄｅｌｓ和ｌｅｖｅｌｓｅｔ方法，分水岭变换由于分水线总是位于梯度变换最剧烈的地方，并且总是产生完整的边界，从而在对比度低的图像分割中显示出了无可比拟的优势。这使得让分水岭变换能更好的工作是非常有意义的。 １．２本文所做的工作概览 我们提出一种改进的分水岭算法，它极大程度上改善了分水岭变换的表现。第２部分给出了算法。２．１部分给出了分水岭变换的定义，２．２部分给出标记分水岭变换的算法描述，２．３部分给出了我们改进的算法描述。第３部分给出我们的分割结果和其他分割方法的分割结果。３．１部分给出了低对比度的图像的分割结果。我们的分割结果明显优于直接的分水岭分割结果。并且与常用的带标记的分水岭算法分割结果做了比较。３．２部分给出了对于复杂结构的分割结果，我们的分割结果与带标记的分水岭变换的比较。３．３部分给出了对于低信噪比的图像分割结果，并且与经过去噪后的分割结果进行了比较，显示出该算法对噪声的稳定性。第４部分给出了结论和展望。 ２．算法 ２．１离散图像的分水岭变换的定义及算法描述２．１．１离散图像的分水岭变换的定义 对于分水岭变换，目前存在着几种定义，文献［４］对这些定义进行了归纳，整理。我们这里所采用的定义是基于沉浸的分水岭变换（ｗａｔｅｒｓｈｅｄｂｙｉｍｍｅｒｓｉｏｎ）。 令ｆ：Ｄ＇Ｎ是一幅灰度图象，它的最大和最小灰度值为ｈ＿ｍａｘ和ｈ＿ｍｉｎ。定义一个从ｈ＿ｍｉｎ到ｈ＿ｍａｘ的水位ｈ不断递增的递归过程。在这个过程中每个与不同的局部最小相关的汇水盆地都不断扩展。定义Ｘ（ｈ）记做在水位ｈ时候汇水盆地的集合的并。在ｈ＋１层，一个连通分量Ｔ（ｈ＋１）或者是一个新的局部最小，或者是一个已经存在的Ｘ（ｈ）中的一个盆地的扩展。对于后者，按邻接关系计算高度为ｈ＋１的每一个点与各汇水盆地的距离。如果一个点与两个个以上的盆地等距离，则它不属于任何盆地，否则它属于与它距离最近的盆地。这样从而产生新的Ｘ（ｈ＋１）。把在高度ｈ出现的局部最小记作ＭＩＮ（ｈ）。把Ｙ（ｈ＋１，Ｘ（ｈ））记作高度为ｈ＋１同时属于Ｘ（ｈ）的点的集合。 定义２．１（基于沉浸的分水岭变换） 分水岭变换［５］Ｗｓｈｅｄ（ｆ）就是Ｘ（ｈ＿ｍａｘ）的补集： ２．１．２分水岭算法直观描述 整个算法模拟水平面从最低的地理高度逐渐沉浸到最高的地理高度。这时水会逐渐从各个局部最小中涌出，形成不同的汇水盆地。随着水位不断升高，当两个不同的汇水盆地将融合时，我们使用堤坝把两个盆地分开。这个堤坝足够高，即使水位到最高也无法使相邻的盆地的水汇合。当水位涨到最高时，将完全沉浸地表，这时候那些堤坝就是产生的轮廓线。 ２．２带标记的分水岭算法描述 引入标记是为了控制过度分割。一个标记是属于一副图像的连通分量。我们需要找到有与重要对象相联系得内部标记，同时也要找到与背景相联系得外部标记。取得内部标记和外部标记，就可以使用ｉｍｐｏｓｉｔｉｏｎ技术［５］使梯度图像的局部最小只在这些标记的地方出现。这样所有的局部最小，即汇水盆地的个数就都是已知的。这时再使用分水岭变换，这样就可以避免过度分割。 ２．３本文提出的改进的分水岭算法描述 过度分割是由于过多的局部最小而造成。带标记的分水岭算法是用预处理的办法来控制汇水盆地的数量。而本文中的算法则在算法进行的同时，通过融合一些小的，不值得考虑的汇水盆地，从而来控制盆地的数量。当两个盆地即将连通时，标准的分水岭算法就会在他们之间修堤坝来阻挡汇水盆地的相连通。而本文的算法则要进行判断。我们只认为储水量达到一定程度，并且高度达到一定高度的盆地才是我们所要的盆地。不符合这种要求的盆地我们把他们融合给与其相邻的最大的盆地。我们 ７７
图像分割毕业设计
目录 摘要........................................................... I Abstract......................................................... I I 第1章绪论 (1) 1.1图像分割概述 (1) 1.2图像分割特征 (1) 1.3图像分割的发展及现状 (1) 1.4研究的背景与意义 (2) 第2章数字图像处理 (3) 2.1发展概况 (3) 2.2主要目的 (4) 2.3常用方法 (4) 2.4应用领域 (5) 2.5研究方向 (7) 2.6基本特点 (7) 2.7MATLAB软件 (8) 第3章阈值分割 (10) 3.1图像二值化 (10) 3.2阈值分割基本原理 (10) 3.3阈值分割方法定义 (11) 3.4阈值分割描述 (11) 3.5阈值分割分类 (12) 第4章阈值分割方法 (13) 4.1直方图法 (13)
4.2迭代法 (14) 4.3最大类间方差法 (17) 4.4小结 (20) 第5章最大类间方差法的改进 (21) 结论 (27) 参考文献 (28) 致谢 (29)
通常人们只对图像的某个区域感兴趣，为了能够把感兴趣的区域提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像处理与分析。图像分割是图像处理的关键，在灰度图像中分割出有意义区域的最基本方法是设置阈值的分割方法。选择阈值的主要方法有：直方图法，迭代法，最大类间方差法。本文主要比较三种方法的优缺点，并对其中的最大类间方差法进行优化，改进分割效果。 关键词：阈值直方图迭代法最大类间方差法
图像处理实验-图像增强和图像分割
图像处理实验 图像增强和图像分割 一、实验目的： 掌握用空间滤波进行图像增强的基本方法，掌握图像分割的基本方法。 二、 实验要求： 1、测试图像1中同时含有均值为零的均匀分布噪声和椒盐噪声。用大小为5×5的算术均值滤波器和中值滤波器对图像进行处理，在不同窗口中显示原图像及各处理结果图像，并分析哪一种滤波器去噪效果好？ 2、对测试图像2进行图像分割，求出分割测试图像2的最佳阈值。分别显示原图、原图的直方图（标出阈值）、和分割后的二值图。 实验内容： 1. 实验原理 1) 图像增强：流程图： 图像增强可以通过滤波的方式来完成，即消除一部分的噪声。滤波又可以分为均值滤波和中值滤波。 1. 中值滤波原理：中值滤波就是选用一个含有奇数个像素的滑动窗口，将该窗口在图像上扫描，把其中所含像素点按灰度级的升（或降）序排列，取位于中间的灰度值来代替窗口中心点的灰度值。
对于一维序列{N f }： 21,},...,,...,{-=∈=+-m u N i f f f M e d y u i i u i i 对于二维序列{ij F }：为滤波窗口W y ij F Med W ij }{= 2. 均值滤波原理：对于含噪声的原始图像g(s,t)的每一个像素点去一个领 域N ，用N 中所包含的相速的灰度平均值，作为领域平均处理后的图像f(x,y)的像素值，即： ∑∈=xy S t s t s g mn y x f ),(),(1),(? 2) 图像分割： 图像分割：依据图像的灰度、颜色等特征，将一幅图像分为若干个互不重叠的、具有某种同质特征的区域。
本实验中我们是根据灰度值，将灰度值大于阈值T的像素统一置为255，小于的则置为0。如何求出最合适的分割阈值，则需要用到迭代算法。 迭代法算法步骤： (1) 初始化阈值T (一般为原图像所有像素平均值)。 (2) 用T分割图像成两个集合：G1 和G2，其中G1包含所有灰度值小于T的像素，G2包含所有灰度值大于T的像素。 (3) 计算G1中像素的平均值m1及G2中像素的平均值m2。 (4) 计算新的阈值：T ＝（m1＋m2）/2 。 (5）如果新阈值跟原阈值之间的差值小于一个预先设定的范围，停止循环，否则继续（2）－（4）步。 2.程序代码与分析： 1)图像增强： clear all;clc; %读入图像 I1=imread('Fig5.12(b).jpg'); %均值滤波模板 h1=ones(5,'uint8'); %获取分辨率 [a,b]=size(I1); %创建变量 I2=zeros(a+4,b+4,'uint8'); I3=zeros(a+4,b+4,'uint8'); %复制原始图像 for n=3:a+2 for m=3:b+2 I2(n,m)=I1(n-2,m-2); I3(n,m)=I1(n-2,m-2); end end
图像分割算法开题报告
图像分割算法开题报告 摘要：图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，并在医学、工业、军事等领域得到了广泛应用。近年来具有代表性的图像分割方法有：基于区域的分割、基于边缘的分割和基于特定理论的分割方法等。本文主要对基于自动阈值选择思想的迭代法、Otsu法、一维最大熵法、二维最大熵法、简单统计法进行研究，选取一系列运算出的阈值数据和对应的图像效果做一个分析性实验。 关键字：图像分割，阈值法，迭代法，Otsu法，最大熵值法 1 研究背景 1．1图像分割技术的机理 图像分割是将图像划分为若干互不相交的小区域的过程。小区域是某种意义下具有共同属性的像素连通集合，如物体所占的图像区域、天空区域、草地等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分。图像分割有3种不同的方法，其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法，其二是通过直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘像素，然后再将边缘像素连接起来构成边界的方法。 图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，两者是紧密关联的。图像分割在一般意义下十分困难的，目前的图像分割处于图像的前期处理阶段，主要针对分割对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。 1．2数字图像分割技术存在的问题
虽然近年来对数字图像处理的研究成果越来越多,但由于图像分割本身所具有的难度,使研究没有大突破性的进展,仍然存在以下几个方面的问题。 现有的许多种算法都是针对不同的数字图像,没有一种普遍适用的分割算法。 缺乏通用的分割评价标准。对分割效果进行评判的标准尚不统一,如何对分割结果做出量化的评价是一个值得研究的问题,该量化测度应有助于视觉系统中的自动决策及评价算法的优劣,同时应考虑到均质性、对比度、紧致性、连续性、心理视觉感知等因素。 与人类视觉机理相脱节。随着对人类视觉机理的研究,人们逐渐认识到,已有方法大都与人类视觉机理相脱节,难以进行更精确的分割。寻找到具有较强的鲁棒性、实时性以及可并行性的分割方法必须充分利用人类视觉特性。 知识的利用问题。仅利用图像中表现出来的灰度和空间信息来对图像进行分割,往往会产生和人类的视觉分割不一致的情况。人类视觉分割中应用了许多图像以外的知识,在很多视觉任务中,人们往往对获得的图像已具有某种先验知识,这对于改善图像分割性能是非常重要的。试图寻找可以分割任何图像的算法目前是不现实,也是不可能的。人们的工作应放在那些实用的、特定图像分割算法的研究上,并且应充分利用某些特定图像的先验知识,力图在实际应用中达到和人类视觉分割更接近的水平。 1．3数字图像分割技术的发展趋势 从图像分割研究的历史来看,可以看到对图像分割的研究有以下几个明显的趋势。 对原有算法的不断改进。人们在大量的实验下，发现一些算法的效
数字图像处理毕业论文
毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。 学位论文作者（签名）： 年月
关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名：日期： 指导教师签名：日期：
图像分割技术与MATLAB仿真
中南民族大学 毕业论文(设计) 学院: 计算机科学学院 专业: 自动化年级:2012 题目: 图像分割技术与MATLAB仿真 学生姓名: 高宇成学号:2012213353 指导教师姓名: 王黎职称: 讲师 2012年5月10日
中南民族大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：年月日
目录 摘要 (1) Abstract (1) 引言 (3) 1 图像分割技术 (3) 1.1 图像工程与图像分割 (3) 1.2 图像分割的方法分类 (4) 2 图像分割技术算法综述 (5) 2.1 基于阈值的图像分割技术 (5) 2.2边缘检测法 (5) 2.3 区域分割法 (7) 2.4 基于水平集的分割方法 (8) 2.5 分割算法对比表格 (8) 3基于水平集的图像分割 (9) 3.1 水平集方法简介 (9) 3.2 水平集方法在图像分割上的应用 (9) 3.3 仿真算法介绍 (10) 3.4 实验仿真及其结果 (11) 结论 (18) 致谢 (19) 参考文献 (19)
图像分割技术研究及MATLAB仿真 摘要：作为一项热门的计算机科学技术，图像分割技术已经在我们生活中越来越普及。顾 名思义这项技术的目的就是，将目标图像从背景图像中分离出去。由于这些被分割的图像区域在某些属性上很相近，因此图像分割与模式识别以及图像压缩编码有着密不可分的关系。完成图像分割所采用的方法各式各样，所应用的原理也不同。但他们的最终目的都是把图像中性质相似的某些区域归为一类，把性质差异明显的不同区域分割开来。通常在分割完成之后，我们就要对某些特定区域进行分析、计算、评估等操作，因而分割质量的好坏直接影响到了下一步的图像处理[1]，因此图像分割是图像处理的一个关键步奏。图像分割技术在各个领域都有着及其重要的意义；在工业上有卫星遥感，工业过程控制监测等等；在医学方面，水平集的分割方法还可以通过医学成像帮助医生识别模糊的病变区域；在模式识别领域还可应用到指纹扫描、手写识别、车牌号识别等等。 本课题的研究内容是对图像分割技术的几种常用的方法进行综述和比较，并基于其中一种方法进行MATLAB仿真测试，给出性能分析比较结果。 关键字：图像分割，MA TLAB仿真，模式识别 Image Segmentation and Matlab Simulation Abstract:Image segmentation is to image representation for the physically meaningful regional connectivity set, namely according to the prior knowledge of target and background, we on the image of target and background of labeling and localization, then separate the object from the background. Because these segmented image regions are very similar in some properties, image segmentation is often used for pattern recognition and image understanding and image compression and coding of two major categories. Because the generated in the segmented region is a kind of image content representation, it is the image of visual analysis and pattern recognition based and segmentation results of quality of image analysis, recognition and interpretation of quality has a direct impact. Image segmentation it is according to certain features of the image (such as gray level, spectrum, texture, etc.) to a complete picture of the image is segmented into several meaningful area. These features made in a certain region of consistent or similar, and between different regions showed significantly different. Image segmentation technology in various fields have most of the field and its important significance in digital image processing, image segmentation has a wide range of applications, such as industrial automation, process control, online product inspection, image coding, document image processing, remote sensing and medical image analysis, security surveillance, as well as military, sports and other aspects. In medical image processing and analysis, image segmentation for body occurrence of three-dimensional display of the diseased organ or lesion location determination and analysis plays an effective role in counseling; in the analysis and application of road traffic conditions,
关于图像分割算法的研究
关于图像分割算法的研究 黄斌 （福州大学物理与信息工程学院 福州 350001） 摘要：图像分割是图像处理中的一个重要问题，也是一个经典难题。因此对于图像分割的研究在过去的四十多年里一直受到人们广泛的重视，也提山了数以千计的不同算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决。本文从图像分割的定义、应用等研究背景入手，深入介绍了目前各种经典的图像分割算法，并在此基础比较了各种算法的优缺点，总结了当前图像分割技术中所面临的挑战，最后展望了其未来值得努力的研究方向。 关键词：图像分割 阀值分割 边缘分割 区域分割 一、 引言 图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来[1]。 图像分割可以形式化定义如下[2]：令有序集合表示图像区域(像素点集)，H 表示为具有相同性质的谓词，图像分割是把I 分割成为n 个区域记为Ri ，i=1，2，…，n ，满足： (1) 1,,,,n i i j i R I R R i j i j ===??≠ (2) (),1,2,,i i i n H R True ?== (3) () ,,,i j i j i j H R R False ?≠= 条件(1)表明分割区域要覆盖整个图像且各区域互不重叠，条件(2)表明每个区域都具有相同性质，条件(3)表明相邻的两个区域性质相异不能合并成一个区域。 自上世纪70年代起，图像分割一直受到人们的高度重视，其应用领域非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。主要表现在： 1)医学影像分析：通过图像分割将医学图像中的不同组织分成不同的区域，以便更好的
数字图像处理系统毕业论文
数字图像处理系统毕业论文基于ARM的嵌入式数字图像处理系统设计
摘要 简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。 关键词：linnux 嵌入式图像处理边缘检测 Abstract This paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve. Keywords:linux embedded system image processing edge detection
分水岭算法原理
所谓分水岭算法有好多种实现算法，拓扑学，形态学，浸水模拟和降水模拟等方式。要搞懂就不容易了。WatershedAlgorithm(分水岭算法)，顾名思义，就是根据分水岭的构成来考虑图像的分割。现实中我们可以或者说可以想象有山有湖的景象，那么那一定是水绕山，山围水的情形。而区分高山（plateaus）与水的界线，以及湖与湖之间的间隔或都是连通的关系，就是我们可爱的分水岭（watershed）。为了得到一个相对集中的集水盆，那么让水涨到都接近周围的最高的山顶就可以了，再涨就要漏水到邻居了，而邻居，嘿嘿，水质不同诶，会混淆自我的。那么这样的话，我们就可以用来获取边界高度大，中间灰阶小的物体区域了，它就是集水盆。浸水法，就是先通过一个适当小的阈值得到起点，即集水盆的底；然后是向周围淹没也就是浸水的过程，直到得到分水岭。当然如果我们要一直淹没到山顶，即是一直处理到图像灰阶最高片，那么，当中就会出现筑坝的情况，不同的集水盆在这里想相遇了，我们要洁身自爱，到这里为止，因为都碰到边界了。不再上山。构筑属于自己的分水岭。在计算机图形学中，可利用灰度表征地貌高。图像中我们可以利用灰度高与地貌高的相似性来研究图像的灰度在空间上的变化。这是空域分析，比如还可以通过各种形式的梯度计算以得到算法的输入，进行浸水处理。分水岭具有很强的边缘检测能力，对微弱的边缘也有较好的效果。为会么这么说呢？为什么有很强的边缘检测能力，而又能得到相对集中的连通的集水盆？现实中很好办，我们在往凹地加水的时候，直到它涨到这一块紧凑的山岭边缘就不加了；但是如果有一条小山沟存在，那没办法，在初始阈值分割的时候，也就是山沟与集水盆有同样的极小值，而且它们之间是以这个高度一直连接的。那没关系，我们将它连通。在图像上呢？如何实现？ 看看算法，算法思想是这样的： 首先准备好山和初始的水。这山就是我们的初始图像了，比如用自然获取的图像的梯度来表征山地的每一点的高度吧；而初始的水就是在阈值记为Thre底下，所有的低于这个高度的整个山地都加水，直到这个阈值Thre高度。从而有三个初始量：unsignedchar**Ori_image、 char**Seed_image和int**Label_image。最后一个是为最终的结果做准备的。当然要做好初始化，比如，Ori_image赋值为原图像（256色灰度图）的梯度值，Seed_image则是初始状态下有水的置位，无水的复位，而Label_image则全初始化为0，最终得到的是各点对应的区域号。接下来是考虑将已加的水进行记录，记录成连通的区域，也就是看看有多少个互不相关的集水盆，有五个，那么我们就涨出五个湖，而且尽可能的高，只要大家想到不溢出。在算法上，有多少个连通的区域就记录成多少个数据结构，功夫就在于如何将这些连通的区域连接成一块，并由一个数据结构来表达了。很好，我们准备用一个向量容器来实现初始保存，保存所有标记区域种子队列的数组，里面放的是种子队列的指针
图像分割算法的研究与实现本科学士学位毕业论文
TP391.41 学士学位论文（设计） 论文题目图像分割算法研究与实现 作者姓名 指导教师 所在院系 专业名称 完成时间
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
基于Matlab的数字图像处理系统毕业设计论文
论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日
基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换
第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGACPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，
信息熵在图像分割中的应用毕业论文
信息熵在图像分割中的应用 毕业论文 目录 摘要 ....................................................... .. (1) ABSTRACT (2) 目录 (3) 1 引言 (5) 1.1信息熵的概念 (5) 1.2信息熵的基本性质及证明 (6) 1.2.1 单峰性 (6) 1.2.2 对称性 (7) 1.2.3 渐化性 (7) 1.2.4 展开性 (7) 1.2.5 确定性 (8) 2基于熵的互信息理论 (9) 2.1 互信息的概述 (9) 2.2 互信息的定义 (9) 2.3 熵与互信息的关系 (9) 3 信息熵在图像分割中的应用 (11) 3.1图像分割的基本概念 (11) 3.1.1图像分割的研究现状 (11) 3.1.2 图像分割的方法 (11) 3.2 基于改进粒子群优化的模糊熵煤尘图像分割 (12) 3.2.1 基本粒子群算法 (12) 3.2.2 改进粒子群优化算法 (13) 3.2.3 Morlet变异 (13)
3.2.4改建粒子群优化的图像分割方法 (14) 3.2.5 实验结果及分析 (16) 3.3 一种新信息熵的定义及其在图像分割中的应用 (19) 3.3.1香农熵的概念及性质 (19) 3.3.2一种信息熵的定义及证明 (19) 3.3.3信息熵计算复杂性分析 (21) 3.3.4二维信息熵阈值法 (22) 3.3.5二维信息熵阈值法的复杂性分析 (24) 3.3.6 结论及分析 (25) 4 信息熵在图像配准中的应用 (27) 4.1图像配准的基本概述 (27) 4.2基于互信息的图像配准 (27) 4.3P OWELL算法 (28) 4.4变换 (28) 4.4.1平移变换 (29) 4.4.2旋转变换 (30) 4.5基于互信息的图像配准的设计与实现 (31) 4.5.1总体设计思路和图像配准实现 (31) 4.5.2直方图 (33) 4.5.3联合直方图 (33) 4.5.4灰度级差值技术 (34) 4.4.5优化搜索办法级结论 (35) 5结语 (37) 致谢 (38) 参考文献 (39) 1 引言 1.1.信息熵的概念 1948年，美国科学家发表了一篇著名的论文《通信的数学理论》。他从研究通信系统传输的实质出发，对信息做了科学的定义，并进行了定性和定量的描述。
数字图像处理实验 图像分割
实验报告 实验名称实验四图像分割 课程名称数字图像处理A 姓名成绩 班级学号 日期地点 1.实验目的 （1）了解并掌握图像分割的基本原理； （2）编写程序使用Hough变换处理图像，进行线检测；
（3）编写程序使用阈值处理方法进行图像分割，根据实验结果分析效果； （4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。 2.实验环境（软件条件） Windws2000/XP MATLAB 7.0 3.实验方法 对256级灰度的数字图像camera.bmp（如图4.1所示）和car.bmp（如图4.2所示）进行如下处理： （1）对图像camera.bmp进行Hough变换进行线检测，显示处理前、后图像： 思考如何利用Hough变换进行圆检测； （2）对图像car.bmp分别利用不同的阈值处理方法进行图像中汽车及车牌的分割，显示处理前、后图像；思考不同的阈值处理算法对分割效果的影响？ 4.实验分析 实验原理 Hough变换是最常用的直线提取方法，它的基本思想是：将直线上每一个数据点变换为参数平面中的一条直线或曲线，利用共线的数据点对应的参数曲线相交于参数空间中一点的关系，使直线的提取问题转化为计数问题。Hough变换提取直线的主要优点是受直线中的间隙和噪声影响较小。 思考： Hough变换对圆的检测： Hough变换的基本原理在于，利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测给定图像是否存在给定性质的曲线。 圆的方程为：222 ()() x a y b r -+-=，通过Hough变换，将图像空间(,) x y对应到参数空间(,,) a b r。 第一题结果图 图4.1 实验图像camera.bmp 图4.2 实验图像car.bmp
图像处理中的标记分水岭分割算法
图像处理中的标记分水岭分割算法 如果图像中的目标物体是连接在一起的，则分割起来会更困难，分水岭分割算法经常用于处理这类问题，通常会取得比较好的效果。分水岭分割算法把图像看成一幅“地形图”，其中亮度比较强的区域像素值较大，而比较暗的区域像素值较小，通过寻找“汇水盆地”和“分水岭界限”，对图像进行分割。 直接应用分水岭分割算法的效果往往并不好，如果在图像中对前景对象和背景对象进行标注区别，再应用分水岭算法会取得较好的分割效果。有很多图像处理工具箱函数可以用到，如fspecial、imfilter、watershed、lable2rgb、imopen、imclose、imreconstruct、imcomplement、imregionalmax、bwareaopen、graythresh、和imimposemin函数等。 下面进行一个例子，步骤如下。 1、读取图像并求其边界，代码如下。 rgb = imread('');%读取原图像 I = rgb2gray(rgb);%转化为灰度图像 figure; subplot(121)%显示灰度图像 imshow(I) text(732,501,'Image courtesy of Corel',... 'FontSize',7,'HorizontalAlignment','right') hy = fspecial('sobel');%sobel算子 hx = hy'; Iy = imfilter(double(I), hy, 'replicate');%滤波求Y方向边缘 Ix = imfilter(double(I), hx, 'replicate');%滤波求X方向边缘 gradmag = sqrt(Ix.^2 + Iy.^2);%求模 subplot(122); imshow(gradmag,[]), %显示梯度 title('Gradient magnitude (gradmag)') 在这一步骤中，首先读取一套真彩色图像，然后把真色图像转化为灰度图像，结果如图所示：
图像分割算法研究及实现
中北大学 课程设计说明书 学生姓名：梁一才学号：10050644X30 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法研究与实现 指导教师：陈平职称: 副教授 2013 年 12 月 15 日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践: 图像分割算法研究与实现 起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日
课程设计任务书 1．设计目的： 1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力； 2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理； 3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。 2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）： (1)编程实现分水岭算法的图像分割； (2)编程实现区域分裂合并法； (3)对比分析两种分割算法的分割效果； (4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。 3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕： 每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。